vlastnosti linearnode

Translation not up to date

The translation of this page does not represent the latest version. For the latest updates, see the English version of the documentation.

Go back to the English version of the documentation

vlastnosti linearnode

Last updated: 04. 7. 2023

vlastnosti linearnode

Ikona lineárního uzlu Lineární regresní modely předpovídají souvislý cíl na základě lineárních vztahů mezi cílem a jedním nebo více prediktory.

Příklad

node = stream.create("linear", "My node")
# Build Options tab - Objectives panel
node.setPropertyValue("objective", "Standard")
# Build Options tab - Model Selection panel
node.setPropertyValue("model_selection", "BestSubsets")
node.setPropertyValue("criteria_best_subsets", "ASE")
# Build Options tab - Ensembles panel
node.setPropertyValue("combining_rule_categorical", "HighestMeanProbability")

Tabulka 1. vlastnosti linearnode
`linearnode` Vlastnosti	Hodnoty	Popis vlastnosti
`target`	pole	Určuje jedno cílové pole.
`inputs`	[field1 ... fieldN]	Pole predikátů použitá modelem.
`continue_training_existing_model`	příznak
`objective`	`Standard` `Bagging` `Boosting` `psm`	Produkt `psm` se používá pro velmi rozsáhlé datové sady a vyžaduje připojení k serveru.
`use_auto_data_preparation`	příznak
`confidence_level`	Číslo
`model_selection`	`ForwardStepwise` `BestSubsets` `None`
`criteria_forward_stepwise`	`AICC` `Fstatistics` `AdjustedRSquare` `ASE`
`probability_entry`	Číslo
`probability_removal`	Číslo
`use_max_effects`	příznak
`max_effects`	Číslo
`use_max_steps`	příznak
`max_steps`	Číslo
`criteria_best_subsets`	`AICC` `AdjustedRSquare` `ASE`
`combining_rule_continuous`	`Mean` `Median`
`component_models_n`	Číslo
`use_random_seed`	příznak
`random_seed`	Číslo
`use_custom_model_name`	příznak
`custom_model_name`	řetězec
`use_custom_name`	příznak
`custom_name`	řetězec
`tooltip`	řetězec
`keywords`	řetězec
`annotation`	řetězec
`perform_model_effect_tests`	typ boolean	Provést testy účinku modelu pro každý regresní efekt.
`confidence_level`	dvojitý	Jedná se o interval spolehlivosti použitý k výpočtu odhadů součinitele modelu. Zadejte hodnotu větší než 0 a menší než 100. Předvolba je 95.
`probability_entry`	dvojitý	Je-li jako kritérium zvoleno F Statistika, pak je v každém kroku přidán efekt, který má nejmenší p-hodnotu menší než uvedená prahová hodnota, do modelu (zahrňte efekty s p-hodnotami nižšími než). Výchozí hodnota je 0.05.
`probability_removal`	dvojitý	Všechny efekty v modelu s hodnotou p větší než uvedená prahová hodnota se odstraní (odstraní účinky s p-hodnotami většími než). Předvolba je 0.10.